「生成對抗網路」（GAN，Generative Adversarial Network），這個詞我是在介紹 AI 的影片中看到的。
它的概念其實不複雜，裡面有兩個角色：
生成器（Generator）：負責產生「看起來像真的」資料。
鑑別器（Discriminator）：負責判斷，這個資料是真的，還是生成器做出來的。
訓練的過程中，生成器先產生一個結果，鑑別器負責判斷真假並給出回饋；生成器再根據這些回饋修正自己。這樣一來一往，一次又一次，兩邊都在學習：生成器越來越會「模仿」，鑑別器越來越會「分辨」。
當鑑別器越來越難分出真假時，代表生成器在這個任務上，已經學到了相當高的水準。這是過去一段時間內，AI 訓練中很重要的一種方法，後來也發展出其他更穩定、或更容易控制的做法，有興趣的人可以再自行查資料。
這一套系統中有一個很有趣的現象，當生成器發現，「我只要一生成一小部分超像的樣本，就能一直騙過鑑別器。」
這會造成一種現象：
臉就那幾張
圖是同一種架構
聲音就是那個腔調
「看起來很真，但進步的空間卻被限縮了」
你有發現到嗎？生活中，有很多類似生成對抗網路的現象。
一位作者寫了篇文章，敘述著平凡老百姓的生活，總編輯用他專業的判斷：「你這個沒爆點，人家不愛看」、「對立太慢出現」、「用詞再辣一點，不然不好賣」，退件重寫，一次次的修，修到作者當初要創造的靈魂也修掉了，這沒有對錯，只是立場敘事不同。
黑手曾經在公司，從一位同事身邊經過，「欸哥！這個東西外型跟圓孔都是一樣的公差，為什麼圓孔要跑兩次？」
這個黑手仔心想：「這個年輕人不錯（大學剛畢業），會想主動拆解問題。」
因為刀子在外型是跑直線，圓孔它持續在轉彎，這有個專有名詞叫「不完全切削」，力道不一樣，這樣會產生誤差⋯⋯。黑手仔很熱心的分享經驗等等的。
隨後，黑手仔又被叫去辦公室了⋯⋯。
這個事件中，黑手的想法很單純，讓阿弟懂得更多，對之後的加工概念、問題排除，都是有幫助的，可是老闆的視角「他應該去做更有產值的事。」
邦喬飛在2009年發行的專輯，We Weren’t Born to Follow，這首歌的MV中，有個片段被鑑別者判斷為過於敏感，導致無法打進中國市場。但他並沒有推出修正版，「你可以退貨，但不能修改我的靈魂」，這份搖滾的硬氣風骨跟價值觀，值得敬佩。
在還可以選擇時，留下自己的尊嚴。
其實生活中不斷的出現這套系統，能活下來的，可能不是最好的，而是最像標準的答案。就像故事中的「多學一點」，這些事不會馬上看到產值，但對於之後工作判斷的流暢度、NG重工率之類的，確實都有正面的作用，可是畫面如果變成：阿弟乖乖站在機台前，看著面板繼續想。黑手仔也當成不關他的事，去裝忙也好。甚至為了績效，開始講老闆愛聽的話，為了生存，慢慢修掉自己原本的判斷；如果把自己訓練成這樣？久而久之，我們不是在把事情做好，而是在學怎麼不被退件。
這個「手路」一旦出現，如果不能堅持自己，就只能跟著走，這個也沒有對錯，就是「選擇」跟「本能的自我保護意識」。鑑別者永遠不會說：「夠了」，生成者開始為了不是「變好」，而是為了「不被否定」，這個時候系統就壞掉了。
